文章探讨了大语言模型（如文心一言）对企业员工效率和运营成本的影响。创新之处在于，突破了以往依赖问卷调查或宏观统计数据的局限，创新性地利用了高频的通信大数据。在指标构建上，通过捕捉员工手机信令的长时间停留轨迹，精准识别出员工的居住地和办公地，并以此构建了企业日度加班率这一高频微观变量。同时，它结合招聘文本数据构建了企业层面的大语言模型暴露度指标。在理论机制上，它清晰地揭示了受大模型冲击较大的企业，其员工的加班率显著降低、劳动报酬增加，从而证实了AI技术通过提升工作效率进而降低了企业的总营业成本率和销售费用率。依据此，是不是可以研究生成式人工智能对企业研发协作网络与创新效率的影响。可以利用上市公司的专利联合申请数据或者程序员在GitHub上的代码提交时间戳作为高频数据，构建出研发人员的协作频率或深夜编码率指标。然后，利用生成大模型发布或向特定群体开放的时间作为外生冲击，去探究这种AI辅助工具是让研发人员能够准时下班（减少了深夜编码率），还是让他们有精力去拓展更多跨领域的联合创新（增加了协作网络广度）。#经济学 #经济学博士 #计量经济学 #实证分析 #论文写作 #学术